^ ^ Региональная экономика и управление:
^ электронный научный журнал | |
Оценка масштабов распространения теневой экономики в регионах России
Т
eee-region.ru/article/7218/
* ш*
Assessment of the shadow economy in the regions of Russia
Регионы России Региональная экономика Авторы
Колесникова Ольга Сергеевна
старший преподаватель кафедры финансов, младший научный сотрудник лаборатории региональных социально-экономических исследований Россия, Амурский государственный университет kolesnikova.o.s@yandex.ru Аннотация
Цель статьи - провести оценку уровня теневой экономики в регионах России на основе предложенной автором методики, базирующейся на методе расхождений. В исследовании рассмотрены результаты измерения масштабов теневого сектора, проведенные разными авторами, а также проведена апробация предложенной методики для 85 субъектов Российской Федерации. Установлено, что российские регионы значительно дифференцированы по уровню теневой экономики, что объясняется автором общей неравномерностью пространственного развития Российской Федерации, а также наличием в регионах специфических факторов формирования и роста теневой экономики.
Ключевые слова
теневой сектор экономики, региональное развитие, пространственная дифференциация, специфические факторы.
Рекомендуемая ссылка
Колесникова Ольга Сергеевна
Оценка масштабов распространения теневой экономики в регионах России// Региональная экономика и управление: электронный научный журнал. ISSN 19992645. — №4 (72). Номер статьи: 7218. Дата публикации: 14.11.2022. Режим доступа: https://eee-region.ru/article/7218/
Authors
Kolesnikova Olga Sergeevna
senior lecturer of Finance Department, junior researcher, laboratory of regional socioeconomic research Russia, Amur State University kolesnikova.o.s@yandex.ru Abstract
The purpose of the article is to assess the level of the shadow economy in the regions of Russia on the basis of the methodology proposed by the author, based on the method of discrepancies. The study considers the results of measuring the shadow sector, carried out by different authors, and also tested the proposed methodology for 85 constituent entities of the Russian Federation. It has been established that the Russian regions are significantly differentiated in terms of the shadow economy, which is explained by the author of the general uneven spatial development of the Russian Federation, as well as the presence in the regions of specific factors in the formation and growth of the shadow economy.
Keywords
shadow sector of the economy, regional development, spatial differentiation, specific factors.
Suggested Citation
Kolesnikova Olga Sergeevna
Assessment of the shadow economy in the regions of Russia// Regional economy and management: electronic scientific journal. ISSN 1999-2645. — №4 (72). Art. #7218. Date issued: 14.11.2022. Available at: https://eee-region.ru/article/7218/
Введение
Теневая экономика на протяжении длительного периода времени выступает объектом изучения как зарубежных [11], [12], [13], [14], [15], [16], так и отечественных исследователей [1], [2], [3], [7], [8].
Не смотря на это, интерпретация данного понятия до сих пор остается дискуссионной, что во многом обусловлено многогранностью данного феномена и неоднозначностью его влияния на социально-экономическое развитие территорий.
В данном исследовании теневая экономика определяется как законная деятельность, «...скрытая от органов государственной власти с целью уклонения от уплаты налогов и взносов на социальное страхование, а также уклонения от необходимости следовать административным процедурам и определенным стандартам, предусмотренным соответствующим законодательством» [5].
Общепринято, что теневой сектор, наряду с официальным, является неотъемлемым элементом экономики страны и регионов. В связи с чем, основное внимание органов власти должно быть направлено не на борьбу с данным явлением, а на проведение превентивных мер, направленных на предупреждение дальнейшего роста теневой экономики, и сопровождающихся непрерывным мониторингом ее уровня. Это, в свою очередь, предопределяет необходимость систематической и всеобъемлющей оценки размеров теневого сектора.
Существующие оценки масштабов теневой экономики в регионах России
В настоящее время отсутствует общепринятая методика оценки масштабов теневой экономики на региональном уровне, что предопределяет существование большого количества исследования в данной области.
Так, в работе В.В. Криворотова, А.В. Калины, М.А. Подберезной [6] представлены результаты оценки масштабов теневой экономики в Свердловской, Вологодской, Липецкой, Челябинской, Кемеровской и Новосибирской областях в период с 2006 по 2017 гг.
В качестве методического аппарата авторами использовалась методика, предполагающая выявление теневой доли валового регионального продукта (ВРП) путем сопоставления совокупной величины ВРП и его составляющих по данным Росстата с величиной налоговой базы отдельных налогов, измеряемой и публикуемой Федеральной налоговой службой России (ФНС России).
По результатам оценки, во всех исследуемых областях зарегистрирована теневая экономика в размере свыше 30 %, при этом наибольший ее уровень отмечен в Вологодской области (42,6 %) и Новосибирской области (40,9 %), наименьший уровень зарегистрирован в Челябинской области (30,3 %).
В исследовании А.П. Киреенко, Е.Н. Невзоровой, Е.Н. Орловой, О.Ю. Поляковой [4] измерение теневой экономики проводится с использованием факторного анализа и MIMIC-моделирования на основе показателей уровня и качества жизни населения. По итогам оценки авторами были сформированы соответствующие кластеры. Результаты кластеризации представлены в табл. 1.
Таблица 1 - Распределение регионов России по кластерам в зависимости от качества жизни населения и уровня теневой экономики
Кластеры Регионы
1 2
Качество
жизни
населения
выше
среднего;
уровень
теневой
экономики
ниже
среднего
уровня
Качество
жизни
ниже
среднего;
теневая
экономика
выше
среднего
уровня
Качество
жизни
ниже
среднего;
уровень
теневой
экономики
ниже
среднего
Индексы
качества
жизни и
теневой
экономики
находятся
около
среднего
уровня
Московская, Белгородская, Тюменская, Липецкая, Воронежская области, г. Санкт-Петербург, г. Москва, Республика Татарстан, Чувашская Республика, Республика Мордовия, Республика Северная Осетия - Алания, Краснодарский край, Республика Башкортостан.
Сахалинская, Курганская, Иркутская области, Республика Хакасия, Еврейская автономная область, Забайкальский край, Республика Бурятия, Республика Алтай, Республика Дагестан, Республика Тыва, Республика Ингушетия.
Магаданская, Мурманская, Вологодская, Челябинская, Ярославская, Новгородская, Костромская, Владимирская, Архангельская, Кировская, Ивановская Тульская области, Камчатский край, Чукотский автономный округ, Республика Коми, Удмуртская Республика, Республика Карелия, Республика Саха (Якутия).
Нижегородская, Свердловская, Рязанская, Самарская, Ленинградская, Орловская, Калужская, Оренбургская, Калининградская, Саратовская, Тверская Томская, Ульяновская, Смоленская, Пензенская, Астраханская, Ростовская, Брянская, Псковская, Волгоградская, Омская, Тамбовская, Амурская, Новосибирская, Кемеровская, Курская области; Кабардино-Балкарская Республика, Республика Марий Эл, Республика Адыгея, Республика Калмыкия, Карачаево-Черкесская Республика; Ставропольский, Пермский, Приморский, Красноярский, Хабаровский, Алтайский края.
Источник: Составлено автором по данным [4]
Беркович М.И., Шурыгин А.А. в своей работе представили сравнительный анализ расчетов доли теневого сектора в ВРП Ярославской, Владимирской, Ивановской, Кировской и Костромской областей налоговым методом (на основе данных ФНС России и Росстата) [2]. В результате авторы пришли к выводу о том, что масштабы теневой экономики, рассчитанные по данным Росстата, по всем регионам, кроме Кировской области, несколько превышают оценки, полученные с помощью данных ФНС России (рис. 1).
Рис. 1. Сравнение оценок (доли теневого сектора в ВРП отдельных регионов), полученных на основании данных Росстата и ФНС России (по данным 2018 г.), % к ВРП
Источник: по данным [2]
При этом во всех исследуемых областях теневая экономика регистрируется на уровне свыше 30 %.
Рассмотрим результаты еще одного исследования, проведенного Е.Ю. Перфиловой, в котором оценка теневой экономики проводилась методом электропотребления и методом регистрируемой и нерегистрируемой безработицы в период с 2001 по 2007 гг.
По итогам расчетов, полученных двумя указанными методами, автором были выделены две группы регионов.
К первой группе были отнесены регионы, в которых в рассматриваемый период наблюдалось уменьшение доли теневого сектора. Такими регионами, в частности, являются Пензенская, Самарская, Ульяновская, Иркутская, Кемеровская, Курская, Брянская, Ярославская, Смоленская, Ленинградская, Новгородская, Волгоградская области; Республика Адыгея, Республика Мордовия, Республика Марий Эл, а также Хабаровский и Камчатский края.
Во вторую группу вошли Тамбовская область, Республика Ингушетия, Чувашская Республика — субъекты, в которых, напротив, отмечается рост теневой экономики [9].
Таким образом, можно сказать, что большинство существующих исследований содержат в себе оценки теневого сектора по ограниченному кругу территорий, что не позволяет дать всеобъемлющую оценку теневой экономики Российской Федерации.
Оценка теневой экономики в регионах России на основе метода расхождений
В данном исследовании проведена оценка размеров теневого сектора экономики регионов с помощью авторской методики, в основе которой лежит метод расхождений, являющийся разновидностью балансового метода, используемого в международной практике для оценки теневой экономики.
В соответствии с авторским подходом, теневая экономика определяется как доля налогового потенциала, незадействованного в экономике официальной (1):
сит где ЬяНв — уровень теневой экономики, ЬТРсшп -уровень использования совокупного налогового
потенциала.
В свою очередь, значение ЬТРситп определяется как отношение суммы налогов, исчисленной к уплате по данным ФНС России ( Тса1 ), к величине налогов, которые поступили бы в бюджет в случае отсутствия теневой экономики Т^ео (2):
По результатам проведенной оценки все регионы России были разделены нами на пять групп согласно
табл. 2.
Таблица 2 - Интерпретация результатов оценки уровня теневой экономики на региональном уровне
Уровень теневой экономики Диапазон
12
Низкий уровень < 20 %
Средний уровень 20 % < 15кв <40%
Уровень теневой экономики Диапазон
1 2
Уровень выше среднего 40 % < < 50 %
Высокий уровень 50 % < < 90 %
Критический уровень £ . >90 %
Как видно на рис. 2, для большинства российских регионов (42,3 %) характерен высокий уровень теневой экономики.
1=2 Ю.б
я Низкий уровень Средний уровень
24,7
Зй Уровень выше среднего ■ Высокий уровень Критический уровень
21=2
Рис. 2. Распределение регионов России по уровню теневой экономики (по данным 2019 г.), %
При этом в общей численности регионов с высоким уровнем теневой экономики наибольшая доля (48,6 %) приходится на субъекты Центрального федерального округа (ЦФО): по данным 2019 г из регионов ЦФО только г. Москва относится к группе территорий со средним уровнем теневой экономики.
Более половины регионов (54,5 %) Северо-Западного федерального округа (СЗФО) также имеют средний уровень теневой экономики. Низкий уровень данного показателя (12 %) регистрируется в г. Санкт-Петербурге.
Низкий уровень теневой экономики также отмечен в двух регионах Уральского федерального округа (УФО) (Ханты-Мансийский автономный округ - Югра (13 %), Ямало-Ненецкий автономный округ (8 %)), в двух регионах Сибирского федерального округа (СФО) (Иркутская область (18 %), Кемеровская область (18 %)), а также в четырех регионах Дальневосточного федерального округа (ДФО) (Камчатский край (12 %), Магаданская область (8 %), Сахалинская область (11 %), Чукотский автономный округ (8 %)).
Наименее благоприятная ситуация по уровню теневой экономики отмечается в Северо-Кавказском федеральном округе (СКФО): шесть регионов округа имеют высокий уровень теневой экономики, а один - критический уровень (Республика Дагестан).
Опасение вызывает и ситуация, сложившаяся в Южном федеральном округе (ЮФО): по данным 2019 г. у 88 % регионов по итогам оценки отмечается высокий уровень теневой экономики, а у оставшихся 12 % теневая экономика зарегистрирована на уровне выше среднего.
Обобщенные результаты оценки представлены в табл. 3.
Таблица 3 - Группировка регионов России по уровню теневой экономики (по данным 2019 г.)
Уровень Федеральный Регионы
теневой округ
экономики ( )
1 2 3
< 20 % СЗФО г. Санкт-Петербург
(низкий) УФО Ханты-Мансийский автономный округ - Югра, Ямало-Ненецкий автономный округ
СФО Иркутская, Кемеровская области
ДФО Камчатский край; Магаданская, Сахалинская области; Чукотский автономный округ
20 %< 15ка ЦФО г. Москва
< 40 % (средний) СЗФО Республика Карелия, Республика Коми; Архангельская, Вологодская, Мурманская, Новгородская области
ПФО Республика Татарстан, Удмуртская Республика, Чувашская Республика, Самарская область
УФО Тюменская, Челябинская области
СФО Республика Тыва, Республика Хакасия, Красноярский край; Новосибирская, Томская области
ДФО Республика Бурятия, Республика Саха (Якутия), Амурская область
40 % < СЗФО Калининградская, Ленинградская области
< 50 % ЮФО Республика Крым
уй^ео)
экономики ( )
Федеральный Регионы
округ
2 3
ПФО Республика Марий Эл, Республика Мордовия,
Пермский край; Кировская, Нижегородская,
Оренбургская, Саратовская, Ульяновская области
УФО Курганская, Свердловская области
СФО Республика Алтай, Омская область
ДФО Хабаровский край, Забайкальский край,
Еврейская автономная область
1
50 %< I < 90 % (высокий)
5ке
ЦФО
СЗФО
ЮФО
ПФО
СФО
ДФО
Белгородская, Брянская, Владимирская, Воронежская, Ивановская, Калужская, Костромская, Курская, Липецкая, Московская, Орловская, Рязанская, Смоленская, Тамбовская, Тверская, Тульская, Ярославская области
Псковская область, Ненецкий автономный округ
Республика Адыгея, Республика Калмыкия, Краснодарский край; Астраханская, Волгоградская, Ростовская области, г. Севастополь
СКФО Республика Ингушетия, Кабардино-Балкарская
Республика, Карачаево-Черкесская Республика, Республика Северная Осетия - Алания, Чеченская Республика, Ставропольский край
Республика Башкортостан, Пензенская область
Алтайский край
Приморский край
> 90 % СКФО (критический)
Республика Дагестан
Источник: Расчеты автора
Таким образом, проведенное исследование позволило установить, что субъекты Российской Федерации значительно дифференцированы по уровню теневой экономики.
Значимое влияние на отмеченную тенденцию оказывает общая неравномерность пространственного развития Российской Федерации, а также наблюдающееся усиление дифференциации регионов по уровню и темпам социально-экономического развития.
В сложившихся условиях, на наш взгляд, необходимо уделять первостепенное внимание специфическим факторам формирования и роста теневой экономики [10], основными из которых являются низкий уровень доходов населения в официальной экономике, высокий уровень бедности на соответствующих территориях, численность неформально занятого населения, низкий уровень устойчивости развития сектора малого предпринимательства, приграничное положение субъектов, отраслевая структура экономики регионов, а также миграционные процессы.
Ключевой задачей государства в данном случае является побуждение регионов к активным действиям по формированию и реализации системы мер и программ, направленных на противодействие разрастанию теневого сектора.
Список литературы:
1. Алешникова, В.И., Бурцева, Т.А. Инструменты противодействия теневой экономике в регионах России // Вестник ВГУ. Серия: Экономика и управление. 2019. № 4. С. 28-34.
2. Беркович, М.И., Шурыгин, А.А. Теневая экономика в России: экономико-статистическая оценка масштаба и меры по его сокращению в стране и регионах // Экономические и социальные перемены: факты, тенденции, прогноз. 2021. Т. 14. № 5. С. 70-84. DOI: 10.15838/esc.2021.5.77.4.
3. Буров, В.Ю. Уклонение от уплаты налогов субъектами малого предпринимательства как форма проявления теневых экономических отношений // Налоги и финансовое право. 2012. № 9. С. 118-124.
4. Киреенко, А.П., Невзорова, Е.Н., Орлова, Е.Н., Полякова, О.Ю. Теневая экономика в регионах России: оценка на основе MIMIC-модели // Регион: экономика и социология. 2017. № 1 (93). С. 164-189.
5. Колесникова, О.С. Влияние теневой экономики на оценку налогового потенциала: региональный аспект (на примере Амурской области) // Региональная экономика и управление: электронный научный журнал. - 2017. - №1 (49). - С. 277-288.
6. Криворотов, В.В., Калина, А.В., Подберезная, М.А. Оценка масштабов распространения теневой экономики на региональном уровне // Вестник УрФУ. Серия экономика и управление. 2019. Т. 18. № 4. С. 540-555. DOI: 10.15826/vestnik.2019.18.4.027.
7. Латов, Ю.В. Функции теневой экономики как институциональной подсистемы // Экономический вестник Ростовского государственного университета. 2006. Том 4. № 1. С. 61-62.
8. Майбуров, И.А., Соколовская, А.М. Проблема уклонения от налогов: теоретический анализ, изучение факторов и последствий // Вестник УрФУ. Серия Экономика и управление. 2012. № 3. С. 4-15.
9. Перфилова, Е.Ю. Оценивание динамики теневой экономики в регионах России // Математические и инструментальные методы экономики. 2009. № 11(60). С. 331-334.
10. Цепелев, О.А., Колесникова, О.С. Оценка влияния теневой экономики на величину налоговых доходов бюджета: региональный аспект // Региональная экономика: теория и практика. 2017. Т. 15. С. 832-844.
11. Alexandru, A.A. Estimating the size of Romanian shadow economy using Gutmann's simple currency ratio approach. Theoretical and Applied Economics Volume XX, 2013, No. 10(587), pp. 33-48.
12. Katsios, S. The shadow economy and corruption in Greece. South-Eastern Europe Journal of Economics, 2006, pp. 61-80.
13. Medina, L., Schneider, F. Shadow Economies Around the World: New Results for 158 Countries Over 1991-2015 (April 10, 2017). CESifo Working Paper Series No. 6430.Available at SSRN: https://ssrn.com/abstract=2965972
14. Schneider, F. The Influence of Public Institutions on the Shadow Economy: An Empirical Investigation for OECD Countries. European Journal of Law and Economics, 2010, 6/3, pp.441-468.
15. Schneider, F., Buehn, A. Shadow Economy: Estimation Methods, Problems, Results and Open questions. Open Economics, 2017, pp. 1-29.
DOI: https://doi.org/10.1515/openec-2017-0001.
16. Tsepelev, O.A., Bobrova, V.V. Factors of spatial differentiation of non-observed economy: regional aspect. Advances in Economics, Business and Management Research, 2019, pp. 793.
References:
1. Aleshnikova, V.I., Burceva, T.A. Tools to counter the shadow economy in the regions of Russia [Instrumenty protivodejstviya tenevoj ekonomike v regionah Rossii]. Bulletin of VSU. Series: Economics and Management. 2019. No. 4. pp. 28-34.
2. Berkovich, M.I., SHurygin, A.A. The shadow economy in Russia: an economic and statistical assessment of the scale and measures to reduce it in the country and regions [Tenevaya ekonomika v Rossii: ekonomiko-statisticheskaya ocenka masshtaba i mery po ego sokrashcheniyu v strane i regionah]. Economic and social changes: facts, trends, forecast. 2021. No 5. pp. 70-84. DOI: 10.15838/esc.2021.5.77.4.
3. Burov, V.YU. Tax Evasion by Small Business Entities as a Form of Manifestation of Shadow Economic Relations [Uklonenie ot uplaty nalogov sub»ektami malogo predprinimatel'stva kak forma proyavleniya tenevyh ekonomicheskih otnoshenij]. Taxes and financial law. 2012. No. 9. pp. 118-124.
4. Kireenko, A.P., Nevzorova, E.N., Orlova, E.N., Polyakova, O.YU. The shadow economy in the regions of Russia: an assessment based on a MIMIC- model [Tenevaya ekonomika v regionah Rossii: ocenka na osnove MIMIC-modeli]. Region: economics and sociology. 2017. No 1 (93). pp. 164-189.
5. Kolesnikova, O.S. The influence of the shadow economy on the assessment of tax potential: a regional aspect (on the example of the Amur Region) [Vliyanie tenevoj ekonomiki na ocenku nalogovogo potenciala: regional'nyj aspekt (na primere Amurskoj oblasti)]. Regional economy and management: electronic scientific journal. 2017. No. 1 (49). pp. 277-288.
6. Krivorotov, V.V., Kalina, A.V., Podbereznaya, M.A. Assessment of the scale of the shadow economy at the regional level [Ocenka masshtabov rasprostraneniya tenevoj ekonomiki na regional'nom urovne]. Bulletin of UrFU. Series economics and management. 2019. No 4. pp. 540-555. DOI: 10.15826/vestnik.2019.18.4.027.
7. Latov, YU.V. Functions of the shadow economy as an institutional subsystem [Funkcii tenevoj ekonomiki kak institucional'noj podsistemy]. Economic Bulletin of Rostov State University. 2006. No. 1. pp. 61-62.
8. Majburov, I.A., Sokolovskaya, A.M. The problem of tax evasion: theoretical analysis, study of factors and consequences [Problema ukloneniya ot nalogov: teoreticheskij analiz, izuchenie faktorov i posledstvij]. Vestnik UrFU. Series Economics and Management. 2012. No 3. pp. 4-15.
9. Perfilova, E.YU. Assessing the dynamics of the shadow economy in the regions of Russia [Ocenivanie dinamiki tenevoj ekonomiki v regionah Rossii]. Mathematical and instrumental methods of economics. 2009. No. 11(60). pp. 331-334.
10. Tsepelev, O.A., Kolesnikova, O.S. Assessment of the impact of the shadow economy on the value of tax revenues: regional aspect [Ocenka vliyaniya tenevoj ehkonomiki na velichinu nalogovyh dohodov byudzheta: regional'nyj aspekt]. Regional Economics: theory and practice. 2017. pp. 832-844.
11. Alexandru, A.A. Estimating the size of Romanian shadow economy using Gutmann's simple currency ratio approach. Theoretical and Applied Economics Volume XX, 2013, No. 10(587), pp. 33-48.
12. Katsios, S. The shadow economy and corruption in Greece. South-Eastern Europe Journal of Economics, 2006, pp. 61-80.
13. Medina, L., Schneider, F. Shadow Economies Around the World: New Results for 158 Countries Over 1991-2015 (April 10, 2017). CESifo Working Paper Series No. 6430.Available at SSRN: https://ssrn.com/abstract=2965972
14. Schneider, F. The Influence of Public Institutions on the Shadow Economy: An Empirical Investigation for OECD Countries. European Journal of Law and Economics, 2010, 6/3, pp.441-468.
15. Schneider, F., Buehn, A. Shadow Economy: Estimation Methods, Problems, Results and Open questions. Open Economics, 2017, pp. 1-29. DOI: https://doi.org/10.1515/openec-2017-0001.
16. Tsepelev, O.A., Bobrova, V.V. Factors of spatial differentiation of non-observed economy: regional aspect. Advances in Economics, Business and Management Research, 2019, pp. 793.